Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ

Bài kiểm tra nhận dạng cảm xúc lời nói

Kiểm tra các tín hiệu âm thanh, giới hạn tập dữ liệu, khái quát hóa giữa các kho văn bản, sự mơ hồ của nhãn cũng như lệnh cấm nghiêm ngặt về nơi làm việc và giáo dục của EU.

Đường dẫn hướng dẫn liên quanNhận dạng cảm xúc lời nói
Câu hỏi 1 của 8

Nhận dạng cảm xúc giọng nói chủ yếu phân tích điều gì?

Xem trước mọi câu hỏi8 câu hỏi

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

  1. Nhận dạng cảm xúc giọng nói chủ yếu phân tích điều gì?
    • Đặc điểm âm học của giọng nói như cao độ và năng lượng
    • Các từ ngữ trong bản phiên âm
    • Ngữ pháp của câu
    • Nét mặt của diễn giả
  2. Which acoustic properties can speech-emotion models use as cues?
    • Only the spelling of transcribed words
    • Pitch, energy, speaking rate, and voice-quality features
    • A person’s job title
    • The number of speakers in a company
  3. Tại sao việc ghi nhãn dữ liệu cảm xúc lại đặc biệt khó khăn?
    • Tệp âm thanh quá lớn để lưu trữ
    • Micro không thể ghi lại cảm xúc
    • Cảm xúc là chủ quan và người chú thích con người thường không đồng ý
    • Cảm xúc không bao giờ xuất hiện trong lời nói
  4. Cái nào trong số này là tập dữ liệu lời nói cảm xúc nổi tiếng?
    • ImageNet
    • COCO
    • BIỆT ĐỘI
    • IEMOCAP
  5. Các hệ thống SER hiện đại thường tận dụng dữ liệu được dán nhãn hạn chế như thế nào?
    • Bằng cách tinh chỉnh các mô hình tự giám sát như wav2vec 2.0
    • Bằng cách tránh hoàn toàn các mạng lưới thần kinh
    • Bằng cách chỉ sử dụng các quy tắc viết tay
    • Bằng cách ghi lại hàng triệu clip cảm xúc mới đầu tiên
  6. What does the EU AI Act prohibit regarding emotion recognition?
    • All emotion-related research in any setting
    • Inferring emotions in workplace or educational settings, except for medical or safety reasons
    • Every voice assistant that detects speech
    • Any system that transcribes spoken words
  7. Why can a speech-emotion model trained on one dataset fail on another?
    • Emotion labels are identical across every corpus
    • Microphone and speaker differences never affect audio
    • Speakers, language, recording conditions, elicitation, and label distributions can differ
    • A trained model cannot process new recordings
  8. What is one limitation of treating a speech-emotion prediction as a person’s true internal state?
    • Acoustic features contain no information
    • A predicted label is a clinical diagnosis by default
    • The same voice always expresses the same emotion
    • A model infers patterns from audio and may not reflect the speaker’s context or self-report